让数据变脏：基于GAN的数据增强用于自动驾驶中的相机镜头污损检测
计算机视觉与模式识别
2020-11-17 v3 机器学习
机器人学
摘要
广角鱼眼相机常用于自动驾驶中的泊车和低速导航任务。四个这样的相机组成环视系统，提供车辆完整而详细的视图。这些相机直接暴露于恶劣的环境条件中，很容易被泥、灰尘、水、霜等弄脏。相机镜头上的污损会严重降低视觉感知算法的性能，而由污损检测算法触发的相机清洗系统正日益被部署。虽然近期恶劣天气条件（如雨）受到了关注，但关于一般性污损的研究仍然有限。主要原因是难以收集多样化数据集，因为这是一个相对罕见的事件。我们提出了一种新颖的基于GAN的算法，用于生成未见过的污损图像模式。此外，所提方法自动提供相应的污损掩码，消除了人工标注成本。将生成的污损图像用于训练增强，使污损检测任务的准确率显著提高了18%，证明了其实用性。人工标注的污损数据集和生成的增强数据集将公开。我们展示了在Cityscapes数据集上我们鱼眼训练的GAN模型的泛化能力。我们提供了语义分割算法在污损数据下退化的实证评估。
引用
@article{arxiv.1912.02249,
title = {Let's Get Dirty: GAN Based Data Augmentation for Camera Lens Soiling Detection in Autonomous Driving},
author = {Michal Uricar and Ganesh Sistu and Hazem Rashed and Antonin Vobecky and Varun Ravi Kumar and Pavel Krizek and Fabian Burger and Senthil Yogamani},
journal= {arXiv preprint arXiv:1912.02249},
year = {2020}
}
备注
Camera ready version + supplementary material. Accepted for presentation at Winter Conference on Applications of Computer Vision 2021